一种新的基于布谷鸟搜索算法的XGBoost训练方法
公开
摘要
本发明涉及机器学习领域，尤其涉及一种新的基于布谷鸟搜索的XGBoost训练方法，本发明详细提出了一种新的极梯度提升模型(XGBoost)训练方法，并首次使用布谷鸟搜索算法(CS)同时调整了其九个参数。基于CS的XGBoost，在通过所提出的方法训练的XGBoost之后，应用于一个真实世界企业人事管理领域职员信息数据集的是否离职预测。此外，基于CS的XGBoost与现有的XGBoosts进行了比较，这些XGBoosts由其他优化算法训练，包括GA、PSO等，另外还有GBDT、RF、SVM和KNN四个分类器。实验结果和相应讨论表明，基于MFO的XGBoost在准确率、准确率、召回率等主要性能指标上均优于上述比较模型。
基本信息
专利标题 ：
一种新的基于布谷鸟搜索算法的XGBoost训练方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114611719A
申请号 ：
CN202210236632.2
公开（公告）日 ：
2022-06-10
申请日 ：
2022-03-11
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
胡雪梅徐蔚鸿
申请人 ：
长沙理工大学
申请人地址 ：
湖南省长沙市天心区万家丽南路2段960号
代理机构 ：
代理人 ：
优先权 ：
CN202210236632.2
主分类号 ：
G06N20/20
IPC分类号 ：
G06N20/20 G06N5/00 G06N3/00 G06K9/62
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06N
基于特定计算模型的计算机系统
G06N20/20
•集成学习
法律状态
2022-06-10 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
